準閉塞位相フォワードバックワード線形予測解析と深層ニューラルネットワークを用いたホルマントトラッキング【JST・京大機械翻訳】

Gowda Dhananjaya; Bollepalli Bajibabu; Kadiri Sudarsana Reddy; Alku Paavo

プレプリント

J-GLOBAL ID：202202212434080560 整理番号：22P0023762

準閉塞位相フォワードバックワード線形予測解析と深層ニューラルネットワークを用いたホルマントトラッキング【JST・京大機械翻訳】

Formant Tracking Using Quasi-Closed Phase Forward-Backward Linear Prediction Analysis and Deep Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月05日プレプリントサーバーでの情報更新日： 2022年01月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本研究では,動的計画法(DP)と深層ニューラルネット(DNN)に基づくトラッカーを用いて,フォルマントトラッキングを調べた。DPアプローチを用いて,6つのホルマント推定法を最初に比較した。6つの方法は,線形予測(LP)アルゴリズム,加重LPアルゴリズム,および最近開発した準閉位相フォワードバックワード(QCP-FB)法を含む。QCP-FBは比較において最良の性能を示した。したがって,QCP-FBに基づく深層学習と信号処理の利点を組み合わせた新しいホルマント追跡方式を提案した。このアプローチでは,同じフレームからQCP-FBによって計算された全極スペクトルのピークを用いて,音声フレームからのDNNベーストラッカーによって予測されたホルマントを精密化した。結果は,提案したDNNベースのトラッカーが,参照フォルマントトラッカーと比較して,最低3つのホルマントに対して,検出率と推定誤差の両方において,より良く機能することを示した。ポピュラーなWavesurferと比較して,例えば,提案したトラッカーは,最低3つのホルマントに対する推定誤差において,それぞれ29%,48%および35%の削減を与えた。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

音声処理 , パターン認識 , 聴覚・音声モデル , 音響信号処理

, , , , , , ,

前のページに戻る